DAMS-LIO: A Degeneration-Aware and Modular Sensor-Fusion LiDAR-inertial Odometry

要約

地下鉱山や惑星表面などの複雑化する環境にロボットが配備される中、そのようなシーンでの状態推定の有望なソリューションであるマルチセンサー フュージョン法がますます注目されています。
融合スキームは、これらの方法の中心的なコンポーネントです。
このホワイト ペーパーでは、軽量の iEKF ベースの LiDAR 慣性オドメトリ システムが提示されます。このシステムは、LiDAR ポイントと別のオドメトリからの相対的な姿勢の両方を更新プロセスのみの測定値として取得する縮退対応のモジュラー センサー フュージョン パイプラインを利用します。
変性が認められたとき。
Cramer-Rao Lower Bound (CRLB) 理論とシミュレーション テストの両方を使用して、単一の観測を使用する方法と比較して、この方法の精度が高いことを示します。
さらに、提案されたシステムは、さまざまな最先端のセンサー融合法に対して、知覚的に挑戦的なデータセットで評価されます。
結果は、提案されたシステムが、困難な環境と不十分な観測にもかかわらず、リアルタイムで高い推定精度のパフォーマンスを達成することを示しています。

要約(オリジナル)

With robots being deployed in increasingly com- plex environments like underground mines and planetary sur- faces, the multi-sensor fusion method has gained more and more attention which is a promising solution to state estimation in the such scene. The fusion scheme is a central component of these methods. In this paper, a light-weight iEKF-based LiDAR-inertial odometry system is presented, which utilizes a degeneration-aware and modular sensor-fusion pipeline that takes both LiDAR points and relative pose from another odometry as the measurement in the update process only when degeneration is detected. Both the Cramer-Rao Lower Bound (CRLB) theory and simulation test are used to demonstrate the higher accuracy of our method compared to methods using a single observation. Furthermore, the proposed system is evaluated in perceptually challenging datasets against various state-of-the-art sensor-fusion methods. The results show that the proposed system achieves real-time and high estimation accuracy performance despite the challenging environment and poor observations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google